エレガントなSciPy ―Pythonによる科学技術計算

7

1.2　NumPy の N 次元配列

配列には他の属性もあります。例えば、

ndim

は次元数を表します。

print(array2d.ndim)

2

データ解析でよく

NumPy

を使うようになると、このような約束事にも慣れていきます。

NumPy

配列は、さらに多次元のデータ、例えば、磁気共鳴画像（

MRI

）のデータに含まれる

3

次元体積データなども扱えます。さらに長期間にわたる

MRI

のデータを取って保存する場合に

は、

4

次元の

NumPy

配列が必要になるかもしれません。

とりあえず、本章で扱うのは

2

次元データに留めますが、後の章では高次元データを紹介し、

何次元データでも扱えるコードを書けるように指南します。

1.2.1

　

Python

のリストでなく

ndarray

を使う理由

配列が高速な理由は、低級言語である

C

で書かれたベクトル化された処理が可能になり、それ

が配列全体に及ぶからです。例えば、あるリスト内のすべての要素に

5

を掛けたいとします。標

準的な

Python

の手法は、ループを使ってリストの要素に対して反復処理を行い、各要素に

5

を掛

けるというものでしょう。一方、データがリストではなく配列で表されている場合は、配列の全要

素に一挙に

5

を掛けることができます。水面下では、高度に最適化された

NumPy

ライブラリが全

速力で反復処理をしているのです。

import numpy as np

# Create an ndarray of integers in the range 0

以上

1,000,000

未満の整数の

# 0 ...